Study of Antenatal Model to Prevent Preterm Delivery (AACP)
Study of Antenatal Model to Prevent Preterm Delivery: Early Detection and Treatment of Bacterial Vaginosis
Studienübersicht
Status
Status
Bedingungen
Bedingungen
Intervention / Behandlung
Intervention / Behandlung
Detaillierte Beschreibung
Studientyp
Studientyp
Einschreibung (Voraussichtlich)
Einschreibung
Phase
Phase
- Unzutreffend
Kontakte und Standorte
Studienorte
-
-
-
Jakarta, Indonesien, 13210
- Rekrutierung
- Cipto Mangunkusumo National Hospital
-
Kontakt:
- Ali Sungkar, MD, PhD
- E-Mail: alisungkar@yahoo.com
-
Kontakt:
- Yuditiya Purwosunu, MD
- E-Mail: yudi@med.showa-u.ac.jp
-
Hauptermittler:
- Ali Sungkar, MD, PhD
-
-
Teilnahmekriterien
Zulassungskriterien
Zulassungskriterien
Studienberechtigtes Alter
Akzeptiert gesunde Freiwillige
Studienberechtigte Geschlechter
Beschreibung
Inclusion Criteria:
- 14- 18 week gestation pregnant women with or without any vaginal discharge
- singleton pregnancy, without any fetal or uterine anomaly
Exclusion Criteria:
- Any complication in pregnancy
- Any history of disease in pregnancy
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
- Hauptzweck: Verhütung
- Zuteilung: Zufällig
- Interventionsmodell: Parallele Zuordnung
- Maskierung: Doppelt
Anzahl der Arme
Waffen und Interventionen
Teilnehmergruppe / ArmTeilnehmergruppe / Arm |
Intervention / BehandlungIntervention / Behandlung |
|---|---|
|
Kein Eingriff: Antenatal model
|
Antenatal model is consisted of integrated efforts to lower preterm delivery rate through early detection and bacterial vaginal infection treatment:
Andere Namen:
|
|
Experimental: Antenatal Model
|
Antenatal model is consisted of integrated efforts to lower preterm delivery rate through early detection and bacterial vaginal infection treatment:
Andere Namen:
|
Was misst die Studie?
Primäre Ergebnismessungen
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Zeitfenster |
|---|---|
|
all preterm delivery
Zeitfenster: 37 weeks
|
37 weeks
|
Sekundäre Ergebnismessungen
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Zeitfenster |
|---|---|
|
knowledge of midwife about preterm
Zeitfenster: one year
|
one year
|
Mitarbeiter und Ermittler
Sponsor
Sponsor
Mitarbeiter
Mitarbeiter
Ermittler
Ermittler
- Hauptermittler: Ali Sungkar, MD, PhD, Dept Obstetrics Gynecology, Indonesia University
Publikationen und hilfreiche Links
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn
Studienbeginn
Primärer Abschluss (Voraussichtlich)
Primärer Abschluss
Studienabschluss (Voraussichtlich)
Studienabschluss
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Schätzen)
Zuerst gepostet
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Schätzen)
Letztes Update gepostet
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
Andere Studien-ID-Nummern
- AACP09
Diese Informationen wurden ohne Änderungen direkt von der Website clinicaltrials.gov abgerufen. Wenn Sie Ihre Studiendaten ändern, entfernen oder aktualisieren möchten, wenden Sie sich bitte an register@clinicaltrials.gov. Sobald eine Änderung auf clinicaltrials.gov implementiert wird, wird diese automatisch auch auf unserer Website aktualisiert .
Klinische Studien zur antenatal model
-
NCT02367508AbgeschlossenKrebs | Bewältigungsfähigkeiten
-
NCT02873130AbgeschlossenPrävention von Stimmstörungen bei Lehramtsstudenten
-
NCT03736395Abgeschlossen
-
NCT05823090AbgeschlossenDepression | Jugendlicher - Emotionales Problem
-
NCT01192594BeendetLebensqualität | Schizophrenie | Medikamentenhaftung | Anzeichen und Symptome | Anpassung, psychologisch
-
NCT04994769AbgeschlossenÜbergewicht und Adipositas
-
NCT04820517AbgeschlossenSucht nach sozialen Medien
-
NCT07471984Anmeldung auf EinladungMRT | Erkrankung des zentralen Nervensystems | Krankheit diagnostizieren | CT | KI (Künstliche Intelligenz) | Klassifizierung
-
NCT05264623Aktiv, nicht rekrutierend
-
NCT04819009Abgeschlossen